시드 기반 d 매핑

Seed-based d mapping

시드 기반 d 매핑(이전의 서명된 차등 매핑) 또는 SDM은 fMRI, VBM, DTI 또는 PET와 같은 신경영상화 기법을 사용한 뇌 활동이나 구조의 차이점에 대한 메타분석 연구를 위해 조아킴 라두아가 만든 통계 기법이다.또한 그러한 메타 분석 수행에 있어 SDM 프로젝트에 의해 만들어진 특정 소프트웨어를 참조할 수도 있다.null

시드 기반 d 매핑 접근 방식

방법 개요

SDM은 ALE나 MKDA와 같은 이전의 방법으로부터 다양한 긍정적인 특징들을 채택하고 결합하며 일련의 개선과 새로운 특징들을 소개했다.[1]이전 방법에서 보았던 것과 같은 복셀에서 양성과 음의 소견을 피하기 위해 도입된 새로운 특징 중 하나는 동일한 지도에서 양의 차이와 음의 차이를 모두 표현함으로써 서명된 차등 지도(SDM)를 획득한 것이다. 버전 2.11에서 소개된 또 다른 관련 특성은 효과 크기의 사용이었다(l)보고된 피크 좌표를 통계 파라메트릭 맵과 조합할 수 있는 SDM 또는 'ES-SDM'의 효과적인 크기로 피딩. 따라서 보다 철저하고 정확한 메타 분석이 가능하다.[2]null

그 방법은 세 단계로 되어 있다.첫째, 클러스터 피크의 좌표(예: 환자와 정상 대조군 간의 차이가 가장 높았던 복셀)와 가능한 경우 통계적 지도를 SDM 포함 기준에 따라 선택한다.둘째, 좌표는 통계적 지도를 재현하는 데 사용되며, 효과 크기 지도와 그 분산은 t-통계(또는 p-값 또는 z-점수)에서 도출된다.마지막으로 개별 연구 맵은 민감도 및 이질성 분석으로 주요 결과를 보완하기 위해 서로 다른 시험을 사용하여 메타 분석한다.null

포함기준

신경 이미지 생성 연구에서 일부 영역(예: 관심 영역)이 뇌의 나머지 부분보다 더 자유롭게 임계값을 갖는 것은 드문 일이 아니다.그러나 이러한 연구 내 지역적 차이를 가진 연구의 메타 분석은 저자가 더 자유로운 임계값을 적용한다고 해서 보고될 가능성이 높기 때문에 이러한 지역에 치우치게 될 것이다.이 문제를 극복하기 위해, SDM은 좌표선정에 기준을 도입했다: 서로 다른 연구들이 다른 임계값을 채택할 수 있지만, 당신은 포함된 각 연구 내에서 전체 뇌에 걸쳐 동일한 임계값을 사용하였는지 확인해야 한다.[1]null

스터디의 사전 처리

통계 파라메트릭 맵과 피크 좌표를 탈레이어치 공간으로 변환한 후, 특정 회색 또는 백색 물질 템플릿 내에서 각 스터디에 대한 SDM 맵이 생성된다.[3]통계 파라메트릭 맵의 사전 처리는 간단하지만, 보고된 피크 좌표의 사전 처리는 비정상화된 가우스 커널을 통해 차이 군집을 재현해야 피크 좌표에 더 가까운 복셀이 더 높은 값을 가질 수 있다.반최대(FWHM)의 다소 큰 전체 폭은 연구에서의 상호 등록 불일치, 클러스터 크기 또는 클러스터 내의 피크 위치 등 공간 오류의 다른 원인을 설명하기 위해 사용된다.연구 내에서, 값들은 제곱 거리 가중 평균에 의해 결합되지만, 가까운 가우스 커널에 의해 얻어진 값은 합산된다.[2]null

통계적 비교

SDM은 민감도와 이질성 분석으로 주요 결과를 보완하기 위해 여러 가지 다른 통계 분석을 제공한다.null

  • 주요 통계 분석은 평균 분석으로, 다른 연구에서 복셀 값의 평균을 계산하는 데 구성된다.이 평균은 분산의 역에 의해 가중되며 연구간 이질성(QH맵)을 설명한다.[2]
  • 부분군 분석은 이질성을 연구할 수 있도록 연구 그룹에 적용되는 평균 분석이다.
  • 선형 모형 분석(예: 메타 회귀)은 평균 분석을 일반화하여 그룹과 가능한 교란 연구를 비교할 수 있다.[4]회귀체의 낮은 변동성은 메타레지션에서 매우 중요하므로, 그것들은 탐구적인 것으로 이해되고 보다 보수적으로 임계값을 갖도록 권고된다.[1]
  • 잭나이프 분석은 연구가 포함된 횟수만큼 시험을 반복하는 것으로 구성되며, 즉, 매번 다른 스터디를 삭제하고 분석을 반복한 다음 해당 스터디를 다시 배치하고 다른 스터디를 제거하고 분석을 반복하는 방식으로 이루어진다.그 아이디어는 만약 중요한 뇌 영역이 연구의 전체 또는 대부분의 조합에서 유의한 상태를 유지한다면, 이 발견은 매우 복제 가능하다고 결론 내릴 수 있다.[1]

분석의 통계적 유의성은 표준 무작위화 시험을 통해 확인된다.이 유의성은 이 방법에서 보정된 p-값 = 0.05와 거의 동등한 것으로 확인되었으므로 수정되지 않은 p-값 = 0.005를 사용하는 것이 좋다.[2]FDR(False Discovery Rate) = 0.05는 이 방법에서 너무 보수적인 것으로 밝혀졌다.Talairach 라벨 또는 좌표의 값은 추가 처리 또는 그래픽 표시를 위해 추출될 수도 있다.null

SDM 소프트웨어

SDM은 복셀 기반 신경영상 데이터의 메타분석을 지원하기 위해 SDM 프로젝트에 의해 작성된 소프트웨어다.그래픽 인터페이스와 메뉴/명령줄 콘솔을 포함한 프리웨어로 배포된다.SPM 확장으로도 통합할 수 있다.null

참조

  1. ^ a b c d Radua, Joaquim; Mataix-Cols, David (1 November 2009). "Voxel-wise meta-analysis of grey matter changes in obsessive–compulsive disorder". The British Journal of Psychiatry. 195 (5): 393–402. doi:10.1192/bjp.bp.108.055046. PMID 19880927.
  2. ^ a b c d Radua, Joaquim; Mataix-Cols, David; Phillips, Mary L.; El-Hage, Wissam; Kronhaus, Dina M.; Cardoner, Narcís; Surguladze, Simon. "A new meta-analytic method for neuroimaging studies that combines reported peak coordinates and statistical parametric maps". European Psychiatry. 27: 605–611. doi:10.1016/j.eurpsy.2011.04.001.
  3. ^ Radua, Joaquim; Via, Esther; Catani, Marco; Mataix-Cols, David (2010). "Voxel-based meta-analysis of regional white-matter volume differences in autism spectrum disorder versus healthy controls". Psychological Medicine. 41: 1–12. doi:10.1017/S0033291710002187. PMID 21078227.
  4. ^ Radua, Joaquim; van den Heuvel, Odile A.; Surguladze, Simon; Mataix-Cols, David (5 July 2010). "Meta-analytical comparison of voxel-based morphometry studies in obsessive-compulsive disorder vs other anxiety disorders". Archives of General Psychiatry. 67 (7): 701–711. doi:10.1001/archgenpsychiatry.2010.70. PMID 20603451.

외부 링크

  • SDM 프로젝트의 SDM 소프트웨어 및 문서.